隨著風(fēng)力發(fā)電技術(shù)的不斷發(fā)展,風(fēng)電在電力系統(tǒng)中的比例逐漸擴(kuò)大。風(fēng)電的隨機(jī)性和波動性對電網(wǎng)造成不利的影響。為了合理安排調(diào)度計劃,確保電力系統(tǒng)安全穩(wěn)定運(yùn)行,需要對風(fēng)電功率進(jìn)行準(zhǔn)確預(yù)測。研究短期風(fēng)電功率預(yù)測和含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度對提高風(fēng)能的利用效率和優(yōu)化配置電網(wǎng)調(diào)度運(yùn)行具有重要的工程應(yīng)用價值。本文從短期風(fēng)電功率預(yù)測和含風(fēng)電的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度兩方面的問題展開了研究,主要內(nèi)容如下:1.研究了風(fēng)能資源的特性,采用Weibull分布函數(shù)建立風(fēng)速的數(shù)學(xué)模型,研究了影響風(fēng)速的各種因素。研究分析了短期風(fēng)電功率預(yù)測的三種基本方法。此外研究了短期風(fēng)電功率預(yù)測的具體步驟以及評價標(biāo)準(zhǔn)。2.利用ARMA時間序列法分別對風(fēng)速和風(fēng)電功率進(jìn)行預(yù)測。通過對某風(fēng)電場的輸出功率采用ARMA方法、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)等四種方法進(jìn)行預(yù)測分析,研究結(jié)果表明:廣義回歸神經(jīng)網(wǎng)絡(luò)的預(yù)測精度最高,預(yù)測性能最優(yōu)。研究了等權(quán)平均組合預(yù)測法、協(xié)方差優(yōu)選組合預(yù)測法和熵值組合預(yù)測法,得出組合預(yù)測方法的預(yù)測精度比單一預(yù)測方法要高,協(xié)方差優(yōu)選組合法的預(yù)測性能優(yōu)于等權(quán)平均組合預(yù)測法和熵值組合預(yù)測法。3.研究了與風(fēng)電輸出... 

【文章來源】：東北石油大學(xué)黑龍江省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及意義
        1.1.1 風(fēng)力發(fā)電發(fā)展現(xiàn)狀
        1.1.2 風(fēng)電功率預(yù)測問題
        1.1.3 風(fēng)電并網(wǎng)帶來的調(diào)度問題
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 風(fēng)電功率預(yù)測研究概述
        1.2.2 含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度研究概述
    1.3 本文研究的主要內(nèi)容
第二章 風(fēng)電功率預(yù)測的理論基礎(chǔ)
    2.1 風(fēng)能資源的特性
        2.1.1 風(fēng)速的模型
        2.1.2 風(fēng)速的變動特性
    2.2 風(fēng)電功率預(yù)測的方法
        2.2.1 物理方法
        2.2.2 統(tǒng)計方法
        2.2.3 組合預(yù)測方法
    2.3 風(fēng)電功率預(yù)測的具體步驟
    2.4 風(fēng)電功率預(yù)測的評價指標(biāo)
    2.5 本章小節(jié)
第三章 短期風(fēng)電功率預(yù)測的應(yīng)用研究
    3.1 時間序列法
        3.1.1 時間序列方法概述
        3.1.2 ARMA模型
        3.1.3 ARMA法預(yù)測模型的建立
        3.1.4 ARMA預(yù)測風(fēng)速與風(fēng)電功率
    3.2 神經(jīng)網(wǎng)絡(luò)法
        3.2.1 神經(jīng)網(wǎng)絡(luò)法概述
        3.2.2 BP神經(jīng)網(wǎng)絡(luò)法
        3.2.3 RBF神經(jīng)網(wǎng)絡(luò)法
    3.3 基于多參數(shù)的風(fēng)電功率預(yù)測
        3.3.1 風(fēng)速
        3.3.2 歷史風(fēng)電功率
        3.3.3 風(fēng)向
        3.3.4 溫度
        3.3.5 氣壓
        3.3.6 數(shù)據(jù)預(yù)處理
        3.3.7 仿真分析
    3.4 風(fēng)電功率組合預(yù)測法仿真分析
    3.5 基于改進(jìn)的萬有引力搜索算法優(yōu)化的GRNN組合預(yù)測模型
        3.5.1 GRNN神經(jīng)網(wǎng)絡(luò)
        3.5.2 萬有引力搜索算法
        3.5.3 基于IGSA算法優(yōu)化的GRNN的組合預(yù)測模型
        3.5.4 算例分析
    3.6 本章小結(jié)
第四章 含風(fēng)電的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度模型研究
    4.1 風(fēng)電并網(wǎng)對電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度的影響
        4.1.1 風(fēng)電并網(wǎng)可以降低電力系統(tǒng)的發(fā)電成本
        4.1.2 風(fēng)電并網(wǎng)對電力系統(tǒng)備用的影響
        4.1.3 風(fēng)電并網(wǎng)對電力系統(tǒng)的調(diào)峰能力的影響
    4.2 電力系統(tǒng)的經(jīng)濟(jì)優(yōu)化調(diào)度數(shù)學(xué)模型
    4.3 考慮風(fēng)電功率預(yù)測誤差的電力系統(tǒng)優(yōu)化調(diào)度建模
        4.3.1 目標(biāo)函數(shù)
        4.3.2 約束函數(shù)
    4.4 本章小節(jié)
第五章 考慮風(fēng)電功率預(yù)測誤差的電力系統(tǒng)優(yōu)化調(diào)度模型求解
    5.1 改進(jìn)的狼群算法
        5.1.1 狼群算法
        5.1.2 改進(jìn)的狼群算法
    5.2 算例分析
        5.2.1 系統(tǒng)參數(shù)
        5.2.2 仿真結(jié)果分析
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)電場功率預(yù)測研究[J]. 張彥恒,鄭玉玉.  南方農(nóng)機(jī). 2018(07)
[2]含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度的分析[J]. 劉申,陳凱,于溪龍.  科技創(chuàng)新與應(yīng)用. 2017(34)
[3]我國風(fēng)力發(fā)電現(xiàn)狀與技術(shù)發(fā)展趨勢[J]. 吳翔.  中國戰(zhàn)略新興產(chǎn)業(yè). 2017(44)
[4]基于時間序列的風(fēng)速和風(fēng)功率預(yù)測[J]. 孫睿男,王飛.  電腦知識與技術(shù). 2017(32)
[5]基于模態(tài)分解和支持向量機(jī)的風(fēng)電功率組合預(yù)測[J]. 陳慶鴻,肖建華,陳冬灃,董朕,林藝城,孟安波.  電氣應(yīng)用. 2017(21)
[6]提高風(fēng)電功率預(yù)測精度的方法[J]. 喬穎,魯宗相,閔勇.  電網(wǎng)技術(shù). 2017(10)
[7]談風(fēng)力發(fā)電電氣控制技術(shù)及應(yīng)用實(shí)踐[J]. 李武東.  科技與創(chuàng)新. 2017(18)
[8]基于小波變換和神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測方法[J]. 葉秉森,黃立場.  電子測試. 2017(18)
[9]基于NWP單點(diǎn)聚類分析與BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測[J]. 方市彬,厲虹,王麗婕.  電氣應(yīng)用. 2017(15)
[10]淺談含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度[J]. 任磊,高延濤.  機(jī)電信息. 2017(18)

博士論文
[1]含風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度問題研究[D]. 周瑋.大連理工大學(xué) 2010

碩士論文
[1]風(fēng)電場短期功率組合預(yù)測方法和評價研究[D]. 王帥.華北電力大學(xué) 2017
[2]基于BP神經(jīng)網(wǎng)絡(luò)與WRF模式的風(fēng)電功率預(yù)測系統(tǒng)設(shè)計與應(yīng)用[D]. 張賀民.中國科學(xué)院大學(xué)(中國科學(xué)院工程管理與信息技術(shù)學(xué)院) 2017



本文編號：3636314